物理世界的数据，正在成为AI最稀缺的"硬通货"

李德仁院士在WGDC 2026演讲中明确指出，人工智能应当跳出虚拟场景的局限，深度融入真实物理世界。英伟达CEO黄仁勋也在年初断言，"物理AI的ChatGPT时刻已经来了"，并将其定义为AI的下一个时代。当行业领袖的论断直指"物理世界"，一个更深层的共识随之浮现——这场竞速的终极壁垒，不在算法，而在数据。

AI行业的共识已快速凝聚：大语言模型的"燃料"是文本，多模态模型的"燃料"是图像与视频，而物理AI与世界模型的"燃料"——是真实物理世界的数据。

过去一年，世界模型从学术概念走向产业实践的速度远超预期。但伴随这一进程，一个更深层的瓶颈逐渐浮出水面：算法可以开源，模型可以复现，但真实世界的数据有效性依赖对真实数据的校准、验证，无法凭空生成。 正如一家具身智能创业公司创始人所言："模型架构可以复现、参数可以追赶，但真实世界的数据需要长期的场景进入、成规模地采集，难以在短期内被复制。"

这场围绕"物理世界数据"的竞速，正在从多个维度同时展开...

一、自动驾驶：数据规模最大的物理AI试验场

自动驾驶拥有当前规模最大的物理世界数据入口。Momenta于2026年4月量产落地R7强化学习世界模型，依托超120亿公里实车里程提炼超1亿段黄金数据，量产方案安装量突破73.3万套，累计获180款车型定点。如祺出行截至2026年5月在多座城市部署超300辆采集车，日均合规产出1600小时、130TB数据。智行者于2026年6月发布TransWorld世界模型，全无人商业化运营里程累计突破1.6亿公里。这些真实出行场景数据，构成了目前规模最大的物理世界数据资产。

二、城市空间：从2D地图到可交互的3D世界

城市空间数据的数字化正经历从"地图"到"世界模型"的质变。高德于2026年6月发布全球首个3D原生城市世界模型ABot-Earth0.5，已建成覆盖190多个国家和地区的3D地图，用户输入图像即可在消费级单卡GPU上10分钟内生成1平方公里高保真3D城市场景。

三、数据基础设施：从采集到标注的产业链正在成型

物理AI数据的采集、标注和治理正催生全新产业链。XDOF于2026年6月完成7000万美元融资，为前沿实验室和机器人公司搭建数据管线。Scale AI推出Physical AI数据引擎。中国信通院发布工业领域具身智能机器人训练数据集2.0，联合清华、北大及京东、中兴等共同建设。均普智能发布RW-RL-Dataset，智元机器人开源的AGIBOT WORLD 2026数据集覆盖商业空间、酒店、商超、家居等多元场景。

四、室内家庭、室内空间：数据"真空地带"正在被填补

室内场景数据长期供给不足，2026年这一局面正在被打破。家庭场景中，萤石发布"萤石星辰世界模型"，尝试把空间理解、环境判断与清洁机器人执行结合起来。大晓机器人联合香港中文大学发布Kairos-HomeWorld，开源30万套中国真实住宅平面图与5000个完整仿真场景。Autodesk战略投资World Labs，李飞飞团队发布World Tracing技术，能从单张建筑照片恢复完整三维几何。

而在更具价值的室内空间——社区、商场、餐厅、写字楼、便利店等建筑场所，这些人类生活、经济和消费最密集的场景，数据获取门槛极高，需要持续地面采集、专业人工标注和全国运维网络支撑。

这一领域，数位科技以众包实地采集与自动标注相结合的方式，经过十年持续更新，建立了覆盖行人可达的城市空间，特别是室内复杂空间的多模态信息数据库，对视觉、文本、无线指纹等进行逐点位标注，形成大规模多模态数据集。这套空间数据基座让机器具备与人一致的位置及空间信息智能能力，其积累周期与覆盖广度，难以在短期内被复制。

五、结语：数据，定义下一代AI的理解边界

回到根本问题：世界模型靠什么"理解"物理世界？

答案日益清晰：世界模型的终极壁垒在数据，不在算法。

当Momenta用超120亿公里数据训练R7预判路况、当高德用ABot-Earth0.5重建3D城市、当萤石让机器人"理解"家庭——每一个方向都在呼唤同一件事：真实、精准、可规模化的空间数据。

物理AI时代的数据竞争，远比大语言模型时代更为激烈。文本数据可以爬取，但空间数据的采集需要物理世界的真实进入——需要人、设备、场景和持续的时间投入。这是一场"用脚丈量"的竞争，而非"用代码抓取"的竞争。世界模型能走多远，不取决于它的参数有多大，而取决于它所依赖的数据基座有多深、多广、多真实。

AI正学会"想象"物理世界。而让这个想象不偏离现实的，是真实世界的空间数据资产——那些历经多年积累、持续更新的物理空间信息。物理AI时代的竞争，最终将回归到一个朴素却难以复制的原点：谁拥有最真实、最细颗粒度的物理世界数据，谁就能定义下一代AI的理解边界。